本文比较了AI支持平台Mastra和LangChain的性能。通过相同的五步研究和合成流程，测量了每一步的延迟和令牌使用情况。结果显示，LangChain在速度和令牌使用上表现更优，而Mastra在复杂性管理上提供了便利。

SMELT编译器通过相关性筛选显著减少OpenClaw的令牌使用，节省高达95%。它智能筛选相关内容，避免重复发送固定文件，提升效率并降低成本。开发者TooCas指出，SMELT不仅是压缩，而是智能筛选，未来计划实现自动学习Markdown结构。

Cursor推出了一种动态上下文发现方法，通过动态检索所需信息，减少发送给大型语言模型的请求上下文大小，从而降低令牌使用量。该方法结合了五种技术，包括将输出写入文件、保存完整历史记录和动态发现领域特定能力等，显著提高了开发效率，预计将在未来几周内向所有用户开放。

在构建大型语言模型应用时，跟踪令牌使用非常重要，因为每次API调用都会消耗令牌，影响成本和延迟。LangSmith可以记录、监控和可视化令牌使用，帮助用户分析项目性能，优化工作流程，降低费用。